• 검색 결과가 없습니다.

쯔쯔가무시의 시공간 분포파악을 위해 국민건강보험공단에서 제공하는

2006~2010년(5개년) 건강보험청구자료를 이용하여 시공간분석 (Spatio-temporal Analysis)을 실시하였다. 분석시 입원환자와 외래환자 모두를 포함하였으며 중증도를 고려하여 입원환자는 외래환자의 3배로 간주하여 분석하였다. 단, 의료급여 환자 자료는 자료 접근상의 한계로 본 분석에서 제외하였다.

지역적 단위는 환자가 거주하는 시군구로 하였으며 시점의 변화에 따 라 분석의 공간 단위가 바뀌는 것을 방지하기 위해 모든 시점자료를 2010년 시군구 행정구역으로 맞추었다. 2010년 시군구 행정구역 분류를 기준으로 지역의 인구수와 환자수를 분리할 경우 전년도 인구비율을 고 려하여 분류하였으며 조사대상에 포한된 시군구 수는 총 244개이다.

지역의 성․연령별 기대환자수를 산출하기 위하여 성․연령 표준화 방식을 적용하였고 성․연령 구간은 5개구간으로 성별에 따라 연령을 4 개 그룹으로 세분화하였다(0-14, 15-29, 30-44, 45-64, 65세 이상). 지 역의 시군구 성・연령 인구구조는 통계청의 해당연도 주민등록인구자료 를 이용하였다. 시공간 분석시 기대환자수 산정을 이해 사용된 표준 인 구집단은 5개 환자조사의 평균값으로 하였다.

시공간 분석에 앞서 의료이용의 지역적 상관성이 존재하는지 살펴보 기 위하여 Moran's I 검정을 시행하였다. Moran's I 검정은 인접해 있 는 지역이 갖는 값(종속변수 또는 관심변수의 값)을 비교하여 계수값을 산출하는데 만일 인접한 공간단위들이 전체 연구지역에 걸쳐 유사한 값 을 갖는 경우 Moran's I 값은 양의 공간상관을 갖는 반면, 인접한 공간 단위들이 서로 상이한 값들을 갖게 되면 Moran's I 값은 음의 공간상관 을 갖게 된다. Moran's I 검정 통계량은 +1 ~ -1의 값을 가지면, +1은 양(+)의 공간적 자기상관을, 0은 무작위 패턴을, -1은 음(-)의 공간적 자 기상관을 의미한다(신호성 외, 2010).

분석방법으로는 베이지안 계층적 시공간모형(Bayesian hierarchial

spatial-temporal model)을 이용하였고 지역의 시공간적 변이성은 CAR 모형을 적용하여 분석하였다. 특정연도 , 특정지역 의 환자수()는 포아송(Poisson) 분포를 따르고 는 성․연령 표준화 기대환자수라 할 때 시공간분석은 다음과 같이 표현된다.

 ∼ 

 × 

log      

∼     ………… (4)

∼ 

∼  

 exp ×    

여기서 는 상대위험비(relative risk), 는 상대위험비에 영향을 주는 독립변수, 는 공간상관성과 관련없는 오차항(Spatially independent random variabel), 는 측정되지 않는 지역적 차이를 나타내는, 즉 공 간상관성과 관련있는 오차항(Spatially-structured random variable),

는 동일지역의 서로 다른 시간대 에 발생한 사건에 대한 공분산 을 의미하는데 본 분석에서는 Ornstein-Uhlenbeck 방법을 적용하였다.

시간적 상관성을 분석하는 이때 독립변수로는 지역의 물질적 결핍정 도와 사회적 배제 정도를 동시에 고려하는 지역의 통합결핍지수(CDI:

Composite Deprivation Index)4)를 사용하였다.

베이지안 추정에 있어 모수추정에 사용된 사전(prior) 분포는 선행연

4) 지표에 대한 자세한 내용은 예방의학회지에 게재된 신호성 외(2009) 연구인 『표준화사망 비와 지역결핍지수의 상관관계: 지역사회 통합결핍지수 개발』을 참고한다.

연도 Moran's I p-value

2006 0.3391 2.20E-16

2007 0.2322 6.86E-09

2008 0.2200 2.50E-08

2009 0.2190 2.94E-08

2010 0.2022 2.84E-07

구 결과를 참고하여 적용하였고 공간분석시 100,000번(시공간분석시 30,000번)의 시행반복 시뮬레이션(simulation)을 시행하여 질병의 상대 위험비를 산출하였다. 이 때 초기 10,000번의 시행은 MCMC(Markov Chain Monte Carlo)과정의 안정화에 필요한 초기반복(burn-in)으로 간 주하여 최종 산출과정에서 제외하였다. 베이지안 추정은 WinBUGS 1.4 를 이용하여 분석하였다.